Como projetar uma melhor governança na cadeia

O tema da governança em cadeia sempre foi controverso. Embora a governança fora da cadeia seja geralmente percebida como desajeitada, a governança na cadeia permitiu que os desenvolvedores construíssem protocolos cada vez mais complexos, permitindo que os usuários influenciassem a direção da rede. Mas estes são todos essencialmente jogos que, se mal configurados ou fornecendo incentivos errados, podem conduzir a cadeia para o desastre.

Em “ O que é Futarquia? — Negociando o Futuro ”, Freiderike Ernst, cofundadora da Gnosis, destaca as metodologias padrão de votação em cadeia. Como o paradigma "um voto por pessoa" é vulnerável a ataques Sybil em redes sem permissão (uma pessoa pode dividir seu capital em várias contas e emitir vários votos), o poder de voto de um usuário é geralmente ponderado pela quantidade de tokens que possui. Loterias e registros com curadoria de tokens usam o mesmo método para evitar Sybils.

Robin Hanson propõe um novo modelo de governança chamado futarquia , no qual as decisões são tomadas com base não em votos, mas nos resultados dos Mercados de previsão sobre a medida de bem-estar da organização, que é um indicador do crescimento ou desaparecimento da rede. Os participantes do mercado apostarão no valor futuro da medida de bem-estar.

As apostas são geralmente implementadas através de tokens de resultado, cada um dos quais representa um resultado específico do mercado e cujo valor monetário é determinado pela eventual medida de bem-estar. Boas previsões são recompensadas e más previsões resultam em perdas.

Utilizando tokens de resultados, os participantes podem até apostar no valor da medida de bem-estar , dependendo da implementação da Política . Por exemplo, um participante pode fazer uma aposta que gera lucro se a Política for implementada e a medida de bem-estar aumentar em um determinado valor, mas será anulada se a Política não for implementada.

Para uma empresa de capital aberto que escolhe o preço das ações como medida de bem-estar e está considerando demitir seu CEO, o resultado é que a organização obtém duas previsões: o preço futuro das ações se o CEO for demitido e o preço futuro das ações se o CEO é retido. Como você pode ver no gráfico abaixo:

Com a futarquia, é implementada a decisão que resulta na maior medida de bem-estar possível. Como a previsão do preço final das ações, dependendo do CEO receber o machado, é maior do que a previsão dependendo do CEO ser retido, o CEO é removido da empresa. Isto elimina toda a emoção do processo de decisão e permite que a organização tome decisões racionais com base no que é comumente referido como a “sabedoria da multidão” para melhorar os seus valores.

A implementação de um formador de mercado para facilitar as negociações entre os participantes apresenta alguns desafios. Se quisermos usar a futarquia para avaliar contingências mais complexas, os Mercados subirão rapidamente para dezenas de centenas de tokens. Aqui, o “ problema do mercado fraco ” surge: não há participantes suficientes para corrigir adequadamente as probabilidades de tantos resultados. A solução natural é um Maker de mercado automatizado (AMM).

Uma solução simples é a implementação da função de custo da regra logarítmica de pontuação de mercado . Infelizmente, esta implementação não permite alterações ad hoc da liquidez, geralmente resultando num mercado que é demasiado superficial para acomodar todos os participantes ou demasiado profundo para realmente produzir resultados significativos. A regra de pontuação de mercado logarítmica sensível à liquidez (LS-LMSR) mitiga esse problema, mas a solução introduz novos defeitos, o mais grave dos quais é uma vulnerabilidade de arbitragem que ocorre em todos os criadores de mercado de regras de pontuação, exceto LMSR .

Os principais criadores de mercado de função constante da Cripto (CFMM), como o Balancer, lidam melhor com o aspecto da liquidez, permitindo que os LPs depositem e retirem liquidez dinamicamente, e são mais familiares aos nativos da Cripto , mas sofrem do mesmo problema que o LS-LMSR. No entanto, durante os seus dias de mercado de previsão, a Gnosis parece ter encontrado uma implementação CFMM do LMSR que combina o melhor dos dois mundos.